class mindspore_rl.core.MSRL(alg_config, deploy_config=None)

MSRL提供了用于强化学习算法开发的方法和API。 它向用户公开以下方法。这些方法的输入和输出与用户定义的方法相同。

agent_act
agent_get_action
sample_buffer
agent_learn
replay_buffer_sample
replay_buffer_insert
replay_buffer_reset

参数：

• alg_config (dict) - 提供算法配置。

• deploy_config (dict) - 提供分布式配置。

  • 顶层 - 定义算法组件。

• 关键字: actor， 值： actor的配置 (dict)。

• 关键字: learner， 值： learner的配置 (dict)。

• 关键字: policy_and_network， 值： actor和learner使用的策略和网络 (dict)。

• 关键字: collect_environment， 值： 收集环境的配置 (dict)。

• 关键字: eval_environment， 值： 评估环境的配置 (dict)。

• 关键字: replay_buffer， 值： 重放缓存的配置 (dict)。

  • 第二层 - 每个算法组件的配置。

• 关键字: number， 值： actor/learner的数量 (int)。

• 关键字: type， 值： actor/learner/policy_and_network/environment (class)。

• 关键字: params， 值： actor/learner/policy_and_network/environment的参数 (dict)。

• 关键字: policies， 值： actor/learner使用的策略列表 (list)。

• 关键字: networks， 值： actor/learner使用的网络列表 (list)。

• 关键字: pass_environment， 值： 如果为True， 用户需要传递环境实例给actor， 为False则不需要 (bool)。

get_replay_buffer()

返回重放缓存的实例。

返回：

• buffers (object) - 重放缓存的实例。如果缓存为None， 返回也为None。

get_replay_buffer_elements(transpose=False, shape=None)

返回重放缓存中的所有元素。

参数：

• transpose (bool) - 输出元素是否需要转置，如果为True，则shape也需指定。默认值：False。

• shape (tuple[int]) - 转置的shape。默认值：None。

返回：

• elements (List[Tensor]) - 一组包含所有重放缓存中数据的张量。

init(config)

MSRL 对象的初始化。该方法创建算法所需的所有数据/对象。它会初始化所有的方法。

参数：

• config (dict) - 算法的配置文件。